TED2010
Gary Flake: Is Pivot a turning point for web exploration?
Gary Flake: Pivot cambierà le ricerche sul web?
Filmed:
Readability: 3.8
751,479 views
Gary Flake presenta Pivot, un nuovo modo di cercare e organizzare masse di dati e immagini in rete. Creato con la nuova tecnologia Seadragon, Pivot permette zoomate spettacolari all'interno dei database e la scoperta di relazioni e collegamenti invisibili ai normali motori di ricerca.
Gary Flake - Technologist
Gary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs. Full bio
Gary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs. Full bio
Double-click the English transcript below to play the video.
00:16
If I can leave you with one big idea today,
0
1000
2000
Se oggi volessi farvi capire una sola grande idea
00:18
it's that the whole of the data
1
3000
2000
sarebbe che l'insieme dei dati
00:20
in which we consume
2
5000
2000
che consumiamo
00:22
is greater that the sum of the parts,
3
7000
2000
è più grande della somma delle sue parti,
00:24
and instead of thinking about information overload,
4
9000
3000
e che, invece di pensare alla troppa informazione,
00:27
what I'd like you to think about is how
5
12000
2000
vorrei farvi pensare a come
00:29
we can use information so that patterns pop
6
14000
3000
usare l'informazione per far emergere nuove relazioni
00:32
and we can see trends that would otherwise be invisible.
7
17000
3000
così da vedere nuovi trend, altrimenti invisibili.
00:35
So what we're looking at right here is a typical mortality chart
8
20000
3000
Qui vedete delle tipiche statistiche di mortalità
00:38
organized by age.
9
23000
2000
organizzate per età.
00:40
This tool that I'm using here is a little experiment.
10
25000
2000
Questo strumento che uso è un piccolo esperimento.
00:42
It's called Pivot, and with Pivot what I can do
11
27000
3000
Si chiama Pivot, e con Pivot posso
00:45
is I can choose to filter in one particular cause of deaths -- say, accidents.
12
30000
4000
scegliere di filtrare una sola causa di morte, diciamo gli incidenti.
00:49
And, right away, I see there's a different pattern that emerges.
13
34000
3000
E subito vediamo emergere nuove relazioni.
00:52
This is because, in the mid-area here,
14
37000
2000
Il motivo è che qui nella parte centrale
00:54
people are at their most active,
15
39000
2000
le persone sono più attive;
00:56
and over here they're at their most frail.
16
41000
2000
e qui invece sono più fragili.
00:58
We can step back out again
17
43000
2000
Possiamo fare un passo indietro
01:00
and then reorganize the data by cause of death,
18
45000
2000
e riorganizzare i dati per causa di morte,
01:02
seeing that circulatory diseases and cancer
19
47000
3000
vediamo che malattie circolatorie e cancro
01:05
are the usual suspects, but not for everyone.
20
50000
3000
sono i maggiori indiziati, ma non per tutti.
01:08
If we go ahead and we filter by age --
21
53000
3000
Se andiamo avanti e filtriamo per età,
01:11
say 40 years or less --
22
56000
2000
diciamo sotto i 40,
01:13
we see that accidents are actually
23
58000
2000
vediamo che gli incidenti sono
01:15
the greatest cause that people have to be worried about.
24
60000
3000
la causa di morte di cui preoccuparsi di più.
01:18
And if you drill into that, it's especially the case for men.
25
63000
3000
Visto più da vicino, vale soprattutto per gli uomini.
01:21
So you get the idea
26
66000
2000
Quindi avrete capito
01:23
that viewing information, viewing data in this way,
27
68000
3000
che visualizzare informazioni e dati in questi modo
01:26
is a lot like swimming
28
71000
2000
è un po' come nuotare
01:28
in a living information info-graphic.
29
73000
3000
in un mare di informazioni grafiche.
01:31
And if we can do this for raw data,
30
76000
2000
E se possiamo farlo con dati grezzi
01:33
why not do it for content as well?
31
78000
3000
perché non farlo anche con i contenuti?
01:36
So what we have right here
32
81000
2000
Ad esempio qui abbiamo
01:38
is the cover of every single Sports Illustrated
33
83000
3000
la copertina di ogni Sports Illustrated
01:41
ever produced.
34
86000
2000
mai stampato.
01:43
It's all here; it's all on the web.
35
88000
2000
Tutto qui. Tutto in rete.
01:45
You can go back to your rooms and try this after my talk.
36
90000
3000
Potete rientrare nelle vostre stanze e provare anche voi.
01:48
With Pivot, you can drill into a decade.
37
93000
3000
Con Pivot si può osservare un decennio.
01:51
You can drill into a particular year.
38
96000
2000
Oppure un anno specifico.
01:53
You can jump right into a specific issue.
39
98000
3000
Si può isolare un numero in particolare.
01:56
So I'm looking at this; I see the athletes
40
101000
2000
Ad esempio prendiamo gli atleti
01:58
that have appeared in this issue, the sports.
41
103000
2000
che appaiono in questo numero, i loro sport.
02:00
I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that,
42
105000
3000
Sono un fan di Lance Armstrong, quindi clicco qui
02:03
which reveals, for me, all the issues
43
108000
2000
e vedo tutti i numeri
02:05
in which Lance Armstrong's been a part of.
44
110000
2000
in cui appare Lance Armstrong.
02:07
(Applause)
45
112000
3000
(Applausi)
02:10
Now, if I want to just kind of take a peek at these,
46
115000
3000
Ora, se voglio darci un'occhiata,
02:13
I might think,
47
118000
2000
potrei pensare
02:15
"Well, what about taking a look at all of cycling?"
48
120000
2000
"Perché non dare uno sguardo a tutto il ciclismo?"
02:17
So I can step back, and expand on that.
49
122000
2000
Faccio un passo indietro e allargo la visuale.
02:19
And I see Greg LeMond now.
50
124000
2000
E ora vedo Greg Lemond.
02:21
And so you get the idea that when you
51
126000
2000
Insomma avrete capito che quando
02:23
navigate over information this way --
52
128000
2000
navigate tra le informazioni in questo modo
02:25
going narrower, broader,
53
130000
2000
più da vicino o più da lontano
02:27
backing in, backing out --
54
132000
2000
andando avanti e indietro
02:29
you're not searching, you're not browsing.
55
134000
2000
non è solo una ricerca, non è il solito browser.
02:31
You're doing something that's actually a little bit different.
56
136000
2000
Ma fate qualcosa di leggermente diverso.
02:33
It's in between, and we think it changes
57
138000
3000
E' una via di mezzo che secondo noi cambierà
02:36
the way information can be used.
58
141000
2000
come potremo usare le informazioni.
02:38
So I want to extrapolate on this idea a bit
59
143000
2000
Approfondiamo ancora questa idea
02:40
with something that's a little bit crazy.
60
145000
2000
che può sembrare un po' folle.
02:42
What we're done here is we've taken every single Wikipedia page
61
147000
3000
Abbiamo preso ogni singola pagina di Wikipedia
02:45
and we reduced it down to a little summary.
62
150000
3000
e l'abbiamo ridotta a un breve riassunto
02:48
So the summary consists of just a little synopsis
63
153000
3000
che consiste in una piccola sinossi
02:51
and an icon to indicate the topical area that it comes from.
64
156000
3000
e un'icona che ne indica l'area tematica.
02:54
I'm only showing the top 500
65
159000
3000
Vi mostro solo le prime 500
02:57
most popular Wikipedia pages right here.
66
162000
2000
tra le più visitate su Wikipedia.
02:59
But even in this limited view,
67
164000
2000
Anche in questa schermata limitata
03:01
we can do a lot of things.
68
166000
2000
possiamo fare molto.
03:03
Right away, we get a sense of what are the topical domains
69
168000
2000
Si capisce subito quali aree tematiche
03:05
that are most popular on Wikipedia.
70
170000
2000
sono le più visitate su Wikipedia.
03:07
I'm going to go ahead and select government.
71
172000
2000
A questo punto seleziono gli enti governativi.
03:09
Now, having selected government,
72
174000
3000
Scelta questa opzione
03:12
I can now see that the Wikipedia categories
73
177000
2000
vediamo che le categorie di Wikipedia
03:14
that most frequently correspond to that
74
179000
2000
più spesso associate a questa voce
03:16
are Time magazine People of the Year.
75
181000
3000
sono i "Personaggi dell'Anno" di Time Magazine.
03:19
So this is really important because this is an insight
76
184000
3000
Questo è significativo perché fa emergere
03:22
that was not contained within any one Wikipedia page.
77
187000
3000
qualcosa che nelle pagine di Wikipedia non c'era.
03:25
It's only possible to see that insight
78
190000
2000
E lo si vede soltanto
03:27
when you step back and look at all of them.
79
192000
3000
facendo un passo indietro per vedere l'insieme.
03:30
Looking at one of these particular summaries,
80
195000
2000
Se prendo uno di questi riassunti
03:32
I can then drill into the concept of
81
197000
3000
posso poi zoomare sulla categoria
03:35
Time magazine Person of the Year,
82
200000
2000
"Personaggi dell'Anno" di Time Magazine.
03:37
bringing up all of them.
83
202000
2000
e vederli tutti.
03:39
So looking at these people,
84
204000
2000
A questo punto
03:41
I can see that the majority come from government;
85
206000
3000
vedo che la maggior parte proviene da enti governativi
03:45
some have come from natural sciences;
86
210000
3000
Alcuni dal mondo della scienza
03:49
some, fewer still, have come from business --
87
214000
3000
Un numero minore dal mondo degli affari.
03:53
there's my boss --
88
218000
2000
Ecco il mio capo.
03:55
and one has come from music.
89
220000
5000
Uno viene dalla musica.
04:00
And interestingly enough,
90
225000
2000
E, cosa piuttosto interessante,
04:02
Bono is also a TED Prize winner.
91
227000
3000
Bono ha anche vinto un premio TED.
04:05
So we can go, jump, and take a look at all the TED Prize winners.
92
230000
3000
Allora saltiamo a vedere tutti i vincitori del premio TED.
04:08
So you see, we're navigating the web for the first time
93
233000
3000
Per la prima volta stiamo davvero navigando in rete
04:11
as if it's actually a web, not from page-to-page,
94
236000
3000
come se fosse una rete, non da pagina a pagina
04:14
but at a higher level of abstraction.
95
239000
2000
ma ad un livello di astrazione superiore.
04:16
And so I want to show you one other thing
96
241000
2000
Vi voglio mostrare un'altra cosa
04:18
that may catch you a little bit by surprise.
97
243000
3000
che vi potrebbe sorprendere.
04:21
I'm just showing the New York Times website here.
98
246000
3000
Questo è il sito del New York Times.
04:24
So Pivot, this application --
99
249000
2000
Pivot, questa applicazione -
04:26
I don't want to call it a browser; it's really not a browser,
100
251000
2000
non la chiamo browser, perché non è un browser,
04:28
but you can view web pages with it --
101
253000
3000
ma serve comunque a vedere pagine web -
04:31
and we bring that zoomable technology
102
256000
2000
noi aggiungiamo questa tecnologia per lo zoom
04:33
to every single web page like this.
103
258000
3000
ad ogni pagina web, come questa.
04:36
So I can step back,
104
261000
3000
Posso fare un passo indietro
04:39
pop right back into a specific section.
105
264000
2000
e subito tornare ad una sezione specifica
04:41
Now the reason why this is important is because,
106
266000
2000
Questo è importante perché
04:43
by virtue of just viewing web pages in this way,
107
268000
3000
il solo vedere le pagine web così
04:46
I can look at my entire browsing history
108
271000
2000
mi fa vedere tutta la mia navigazione in internet
04:48
in the exact same way.
109
273000
2000
allo stesso identico modo.
04:50
So I can drill into what I've done
110
275000
2000
Posso zoomare su quello che ho fatto
04:52
over specific time frames.
111
277000
2000
in momenti specifici.
04:54
Here, in fact, is the state
112
279000
2000
Qui infatti si vede lo stato
04:56
of all the demo that I just gave.
113
281000
2000
della demo che ho appena presentato.
04:58
And I can sort of replay some stuff that I was looking at earlier today.
114
283000
3000
Posso in un certo senso rivedere altre cose che ho visto in giornata.
05:01
And, if I want to step back and look at everything,
115
286000
3000
Se voglio fare una passo indietro e vedere tutto
05:04
I can slice and dice my history,
116
289000
2000
posso fare a pezzettini il mio storico
05:06
perhaps by my search history --
117
291000
2000
o la storico delle mie ricerche.
05:08
here, I was doing some nepotistic searching,
118
293000
2000
Qui cercavo in modo nepotistico,
05:10
looking for Bing, over here for Live Labs Pivot.
119
295000
3000
cercavo il motore Bing, qui per Live Labs Pivot.
05:13
And from these, I can drill into the web page
120
298000
2000
E da qui posso zoomare sulla mia pagina web
05:15
and just launch them again.
121
300000
2000
e semplicemente rilanciare da qui.
05:17
It's one metaphor repurposed multiple times,
122
302000
3000
Una metafora riutilizzata molte volte,
05:20
and in each case it makes the whole greater
123
305000
2000
e in ogni caso il risultato è maggiore
05:22
than the sum of the parts with the data.
124
307000
2000
della somma delle parti, dei dati di partenza.
05:24
So right now, in this world,
125
309000
3000
Oggigiorno, al mondo,
05:27
we think about data as being this curse.
126
312000
3000
i dati sono visti come una sorta di maledizione.
05:30
We talk about the curse of information overload.
127
315000
3000
Si parla di sovraccarico di informazioni.
05:33
We talk about drowning in data.
128
318000
3000
Si parla di annegare nei dati.
05:36
What if we can actually turn that upside down
129
321000
2000
E se mettessimo tutto sottosopra
05:38
and turn the web upside down,
130
323000
2000
se mettessimo il web sottosopra
05:40
so that instead of navigating from one thing to the next,
131
325000
3000
invece di passare da una cosa all'altra,
05:43
we get used to the habit of being able to go from many things to many things,
132
328000
3000
ci abitueremmo a passare da molte cose a molte altre
05:46
and then being able to see the patterns
133
331000
2000
per poi poter vedere quelle strutture
05:48
that were otherwise hidden?
134
333000
2000
che altrimenti rimarrebbero nascoste?
05:50
If we can do that, then instead of being trapped in data,
135
335000
5000
E allora invece di sentirci intrappolati nei dati
05:55
we might actually extract information.
136
340000
3000
potremmo davvero estrarre informazioni.
05:58
And, instead of dealing just with information,
137
343000
2000
Invece di occuparci solo di informazioni,
06:00
we can tease out knowledge.
138
345000
2000
possiamo tirarne fuori della conoscenza.
06:02
And if we get the knowledge, then maybe even there's wisdom to be found.
139
347000
3000
E dalla conoscenza magari si arriva anche alla saggezza.
06:05
So with that, I thank you.
140
350000
2000
E con questo vi ringrazio.
06:07
(Applause)
141
352000
8000
(Applausi)
ABOUT THE SPEAKER
Gary Flake - TechnologistGary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs.
Why you should listen
Gary Flake is a Technical Fellow at Microsoft, where he focuses on Internet products and technologies including search, advertising, content, portals, community and application development. In this capacity, he helps define and evolve Microsoft's product vision, technical architecture and business strategy for online services. He is also the founder and director of Live Labs, a skunkworks that bridges research and development, and is widely recognized for inventing new best practices for catalyzing and managing innovation.
Prior to joining Microsoft, Flake founded Yahoo! Research Labs, ran Yahoo!'s corporate R&D activities and company-wide innovation effort, and was the Chief Science Officer of Overture, the company that invented the paid search business model. Flake also wrote the award-winning book The Computational Beauty of Nature, which is used in college courses worldwide.
Gary Flake | Speaker | TED.com